美团Search Agent大模型算法工程师

你将加入 LongCat Agent 算法团队，与一线研究员共同推进下一代智能体的范式探索。具体方向包括但不限于： 1.Agentic RL 基础算法研究：探索面向长程多步任务的强化学习训练范式，包括稀疏奖励下的信用分配、过程奖励建模、自我博弈与多智能体协同、可扩展的 reward modeling，以及训练稳定性与样本效率优化。目标是实现Agent 能力增长的主引擎； 2.Search Agent 能力构建：研发面向开放域复杂查询的搜索智能体，覆盖多轮检索规划、查询改写、证据聚合、多源信息冲突消解与可信溯源。重点突破"深度研究"类长程任务（Deep Research）的端到端 RL 训练，让模型在数十步检索-推理交织中保持目标产出高质量分析内容。 3.生活服务助理 Agent：解决美团真实业务环境中（餐饮、出行、到店、履约等多业务横跨）实现智能助理的基础问题，研究多工具长链调用、澄清和主动服务、个性化记忆与偏好建模、跨会话状态管理，以及面向真实用户反馈的RL 闭环。这里的复杂度来自亿级用户、千万级 SKU 与多步骤决策构成的真实环境。 【为什么是我们】 1.稀缺场景：直接接触亿级真实用户、跨业务多步决策的复杂环境，是当前业界最稀缺的 Agent 训练土壤； 2.充足资源：充足算力、丰富多模态数据、专属带教导师、顶级 infra 团队支持； 3.研究自由：明确鼓励技术探索，有机会参与顶会论文产出，研究成果可服务亿级真实用户实现学术与产业双闭环； 4.成长路径：北京 / 上海双地 base，扁平协作、与算法/Infra/产品高密度共事，快速成长为下一代 Agent 技术骨干。

你将加入 LongCat Agent 算法团队，与一线研究员共同推进下一代智能体的范式探索。具体方向包括但不限于： 1.Agentic RL 基础算法研究：探索面向长程多步任务的强化学习训练范式，包括稀疏奖励下的信用分配、过程奖励建模、自我博弈与多智能体协同、可扩展的 reward modeling，以及训练稳定性与样本效率优化。目标是实现Agent 能力增长的主引擎； 2.Search Agent 能力构建：研发面向开放域复杂查询的搜索智能体，覆盖多轮检索规划、查询改写、证据聚合、多源信息冲突消解与可信溯源。重点突破"深度研究"类长程任务（Deep Research）的端到端 RL 训练，让模型在数十步检索-推理交织中保持目标产出高质量分析内容。 3.生活服务助理 Agent：解决美团真实业务环境中（餐饮、出行、到店、履约等多业务横跨）实现智能助理的基础问题，研究多工具长链调用、澄清和主动服务、个性化记忆与偏好建模、跨会话状态管理，以及面向真实用户反馈的RL 闭环。这里的复杂度来自亿级用户、千万级 SKU 与多步骤决策构成的真实环境。 【为什么是我们】 1.稀缺场景：直接接触亿级真实用户、跨业务多步决策的复杂环境，是当前业界最稀缺的 Agent 训练土壤； 2.充足资源：充足算力、丰富多模态数据、专属带教导师、顶级 infra 团队支持； 3.研究自由：明确鼓励技术探索，有机会参与顶会论文产出，研究成果可服务亿级真实用户实现学术与产业双闭环； 4.成长路径：北京 / 上海双地 base，扁平协作、与算法/Infra/产品高密度共事，快速成长为下一代 Agent 技术骨干。

1. 深度参与LongCat基模Agent能力优化，包括但不限于以DeepSearch、DeepResearch等为代表的Search Agent能力，以及以生活服务等为代表的真实世界复杂任务上的Agentic能力 2. 跟进大模型的前沿技术，包括但不限于：Mid-Train、SFT、GRM、PRM、RLVR、Agentic RL、Agent自进化、Context管理/Memory等，在LongCat模型上做出创新性的研究成果 3. 结合大模型全模态能力，探索下一代大模型+Agent+搜索的新的技术和产品范式

你将深度参与到千问VQA场景的优化&探索中，核心专注于提升 SearchAgent 在复杂视觉场景下的理解、推理及反思纠错能力。具体工作包括： 1、高质量数据工程体系 设计并构建复杂 Multi-Turn VL Search Trajectory 的数据合成与生产管线，探索自动化数据生成策略，模拟真实用户的复杂多轮搜索需求，构建包括CoT、ToolUse及Reflection路径的高质量训练数据集； 2、VLM基础的感知/推理能力优化 针对 Single Step 场景，优化VLM基座模型，显著提升其对复杂图像的理解、推理能力及工具调用的准确性，负责包括MiddleTrain和PostTrain在内的完整的训练阶段优化； 3、Multi-Turn强化学习策略设计 主导SearchAgent在Multi-Turn场景下的RL工作，探索&设计创新的RL方式与Reward System，有效激发Agent的自我反思与错误修正能力，提升Agent在长程依赖任务中的决策稳定性； 4、Agent 架构优化与效率提升 研究如何在保证检索效果的前提下，极致压缩 Trajectory长度，优化Agent 的搜索策略与规划机制，提升端到端的搜索效率。